Modelli computazionali di
fenomeni sociali: apprendimento
e cooperazione
Rosaria Conte
LABSS-ISTC/CNR
Roma, V. San Martino della Battaglia, 44
17 Aprile
Tutorial, Univ. di Catania
0
Overview
• Scienze sociali e simulazione:
– Perché usare le simulazioni nelle scienze
sociali.
– Simulazioni e scienza.
• Case studies:
– Cooperazione.
– Apprendimento sociale.
17 Aprile
Tutorial, Univ. di Catania
1
Scienze sociali “classiche” (cosa
non ci piace)
• NO LABORATORIO / NO DATI EMPIRCI: per avere
dati empirici serve il metodo sperimentale,
• ma i fenomeni studiati dalle scienze sociali
– hanno un contesto,
– spesso non sono ripetibili,
– non possono essere "portati" in laboratorio
• TUTTAVIA questo permetterebbe controllo delle
varibili, riproducibilità, ecc..
17 Aprile
Tutorial, Univ. di Catania
2
Scienze sociali “classiche” (cosa
non ci piace)
• TEORIE ESPRESSE IN MODO QUALITATIVO:
– sono vaghe, ambigue, poco dettagliate
– non è chiaro quali sono le predizioni empiriche che si possono ricavare – alcune scienze sociali (p.e. l'antropologia) rifiutano l'idea stessa di
formulare teorie.
• TUTTAVIA la quantificazione permette
– migliore riproducibilità,
– migliore controllo,
– elaborazioni condivisibili
17 Aprile
Tutorial, Univ. di Catania
3
Scienze sociali “classiche” (cosa
non ci piace)
• DIVISIONE DISCIPLINARE non solo per motivi pratici
(accademica), risponde ad oggettive difficoltà: i sistemi sociali
sono
– COMPLESSI (interazioni tra più livelli e processi)
– EVOLUTIVI/DINAMICI (il loro andamento nel tempo è importante per
poter valutare le “regole” che li governano ad un dato momento)
• TUTTAVIA proprio per questo la divisione disciplinare fa ancora
più danni che nelle scienze hard
17 Aprile
Tutorial, Univ. di Catania
4
Le metodologie delle scienze
sociali
Metodo sperimentale: condotto in ambiente controllato, volto a
stabilire l'esistenza di un rapporto di causa-effetto tra due
fenomeni.
– Ipotesi operazionalizzata: scomposizione del fenomeno in
caratteristiche osservabili, testabili (condizione sperimentale vs
condizione di controllo (es.la razionalità degli individui in PD oneshot -> mutual defection).
– vantaggi: replicabilità
– svantaggi: esperimenti poco “realistici”
– esperimenti in condizioni naturali: nuovi problemi, significatività
statistica del campione, quantificazione degli effetti.
17 Aprile
Tutorial, Univ. di Catania
5
Le metodologie delle scienze
sociali
Metodo osservativo: rilevare dati di contesto naturale
senza che lo sperimentatore si intrometta
nell’ambiente in cui opera.
– protocollo: operazionalizzazione comportamentale
dell'ipotesi.
• vantaggi: scarsa intrusività, replicabilità.
• svantaggi: arbitrarietà dei protocolli, mancato
controllo delle variabili indipendenti, carattere
esclusivamente comportamentale.
17 Aprile
Tutorial, Univ. di Catania
6
Le metodologie delle scienze
sociali
Interviste e questionari: basati su self-report
• vantaggi: facilità della somministrazione, costi bassi,
buona rappresentatività (campioni ampi), alta replicabilità.
• svantaggi: inattendibilità della fonte (introspezione cambia
gli stati mentali), direttività.
17 Aprile
Tutorial, Univ. di Catania
7
Le metodologie delle scienze
sociali
Metodo correlazionale: indaga la misura in cui due o
più fenomeni che si vogliono analizzare sono in
relazione tra di loro.
– vantaggi: non intrusività, oggettività (dati quantitativi),
replicabilità.
– svantaggi: non manipolabilità delle variabili, difficoltà
interpretativa della direzione causale.
17 Aprile
Tutorial, Univ. di Catania
8
Le metodologie delle scienze
sociali
Metodo simulativo: consiste nel costruire modelli di società di agenti
artificiali, nel trasferire questi modelli su calcolatore, nell' osservare "i
comportamenti" di queste società e possibilmente nel tradurre queste
osservazioni in valori, ossia in dati quantitativi elaborati
statisticamente.
• vantaggi: non intrusività, consente lo studio di fenomeni storici,
l'esplorazione (scenari sociali possibili).
• svantaggi: i risultati sono difficilmente estrapolabili.
– analisi cross-metodologica: messa in relazione di dati simulativi con
dati raccolti da esp. in condizioni naturali.
17 Aprile
Tutorial, Univ. di Catania
9
Cosa offre la metodologia
simulativa
• TEORIE ESPLICITE E QUANTIFICABILI
• Molte discipline scientifiche sono prevalentemente empiriche e
poco teoriche (esempi sono la biologia, la medicina, molta
psicologia, l’antropologia culturale, la storia).
• Le simulazioni obbligano a formulare delle teorie, le quali
devono essere esplicite ed univoche (pena l'impossibilità della
loro implementazione)
• I risultati della simulazione saranno quindi diretta conseguenza
della teoria incorporata nel modello. Saranno inoltre generati in
modo meccanico, al pari dei dati delle teorie matematiche.
17 Aprile
Tutorial, Univ. di Catania
10
Cosa offre la metodologia
simulativa
• LABORATORIO SPERIMENTALE
– Le simulazioni sono laboratori sperimentali virtuali, con il
vantaggio che in una simulazione si possono simulare
sia i comportamenti che il loro contesto.
– In una simulazione gli agenti possono essere programmati
per comportarsi in modo autonomo, cioé secondo
processi di decisione indipendenti.
– I dati simulativi sono quindi dati empirici (anche se di
tipo particolare, come vedremo più avanti)
17 Aprile
Tutorial, Univ. di Catania
11
Cosa offre la metodologia
simulativa
• Possibilità di integrazione tra le discipline:
– SISTEMI COMPLESSI, es. Schelling
(http://ccl.northwestern.edu/netlogo/models/Segregation)
Wilensky, U. (1998). NetLogo Segregation model
– SISTEMI EVOLUTIVO DINAMICI: Evolutionary
game-theory
17 Aprile
Tutorial, Univ. di Catania
12
La simulazione è una
metodologia scientifica?
• Posizioni “deboli”:
– Simulazioni =
• esperimenti di PENSIERO (De Paolo et al., 2000) per
organizzare e provare la consistenza di una teoria.
• OPACHI: I risultati, spesso non predicibili a priori dallo
sperimentatore, costringono a riformulare la teoria.
– Simulazione ha valore scientifico solo se il
mapping fra il modello e ciò che è modellizzato è
preciso nei dettagli
Dati empirici -> teoria -> sim -> teoria ->……
17 Aprile
Tutorial, Univ. di Catania
13
La simulazione è una
metodologia scientifica?
• Posizioni “estreme”:
– Non ha valore scientifico: i risultati sono già
nelle premesse
– È necessaria per spiegare (Epstein, 2007):
x (Explain x Grow x)
Cioè:
x(Grow x Explain x)
17 Aprile
Tutorial, Univ. di Catania
14
La simulazione è una
metodologia scientifica?
• Posizioni “intermedie”:
– strong A-Life: non è un modello di un
fenomeno ma una istanza del fenomeno (I
risultati di una simulazione vanno ad
aggiungersi ai dati empirci)
– Simulazione come unico strumento per
analizzare una certa classe di fenomeni
(auto-organizzazione, emergenza, effetti
non lineari, ecc…)
17 Aprile
Tutorial, Univ. di Catania
15
Equation-Based VS Agent-Based
• Soluzione analitica, se esiste un set di equazioni che
– descrive completamente il fenomeno sociale
– risolvibili
• I pregi dei modelli Equation-Based:
– sono quantitativi;
– possono essere usati per decrivere i cambiamenti di stato che il
sistema attraversa nel tempo.
• Problema di rappresentazione: i medelli EB fanno uso di
variabili al livello del sistema, che astraggono dalle
caretteristiche delle singole entità interagenti, preservando solo
le proprietà del sistema che intendiamo studiare.
17 Aprile
Tutorial, Univ. di Catania
16
EBSS VS ABSS
• Descrizione matamatica del modello, equazioni non risolvibili:
– il sistema è composto da entità eterogenee;
– gli agenti sono dotati di capacità di apprendimento.
• Grazie alla facilità con cui è possibile rappresentare i processi
di interazione tra le parti, i modelli AB sono divenuti una valida
alternativa.
• Anailisi del comportamento del sistema “out-of-equilibrium”.
17 Aprile
Tutorial, Univ. di Catania
17
EBSS VS ABSS
• spazialità:
l'introduzione di
una struttura
topologica nel
modello è in grado
di alterare
radicalmente i
risultati.
• Games On Grid
(Sigmund & Nowak,
2000)
17 Aprile
Tutorial, Univ. di Catania
18
Pluralità di approcci e di livelli
• non esiste un unico approccio metodologico.
• i gruppi che compongono la comunità sono
guidati da interessi e finalità differenti.
• questo è in relazione con un'analisi condotta a
livelli differenti di astrazione.
17 Aprile
Tutorial, Univ. di Catania
19
Pluralità di approcci e di livelli
• Simbolico vs sub-simbolico (come vengono
modellizzati I processi cognitivi)
• Agenti individuali vs sociali / istituzionali
(esempio simulazioni economiche in cui le
entità di più basso livello sono le imprese)
17 Aprile
Tutorial, Univ. di Catania
20
Apprendimento e cooperazione
• ABSS viene solitamente adottato nello studio dei seguenti
fenomeni e processi:
–
–
–
–
–
–
–
evoluzione della reciprocità, dell'altruismo e della cooperazione;
emergenza di fenomeni di auto organizzazione;
evoluzione e involuzione di forme culturali e di interi gruppi sociali;
emergenza di mercati e di istituti economici;
differenziazione sociale, formazione di coalizioni e di gerarchie;
propagazione di opinioni;
segregazione sociale; ecc.
17 Aprile
Tutorial, Univ. di Catania
21
Apprendimento e cooperazione
• perché apprendimento e cooperazione sono fenomeni adatti ad
essere studiati tramite simulazioni?
• Contesto
• trattati da discipline differenti
• Complessità e dinamicità
• Difficoltà di trattamento tramite modelli analitici
17 Aprile
Tutorial, Univ. di Catania
22
